Development of a depression risk prediction model in Korea using machine learning-based feature selection

June-Tae Han; Il-Su Park

doi:10.7465/jkdi.2025.36.1.163

추천

검색

질문

자료유형: 학술저널

저자정보: June-Tae Han (Korea Student Aid Foundation) Il-Su Park (Dong-eui University)

저널정보: 한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제36권 제1호

발행연도: 2025.1

수록면: 163 - 177 (15page)

DOI: 10.7465/jkdi.2025.36.1.163

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

This study aims to develop a prediction model for assessing depression risk. Depression-related risk factors were identified from prior studies, and the most influential factors were selected using a feature selection method based on four machine learning techniques: random forest, XGBoost, AdABoost, and gradient, boosting. The random forest algorithm achieved the highest, receiver operation characteristic (ROC) curve (0.8407) in classifying depression among the four machine learning algorithms. The variables were derived from the Korea community health survey (KCHS) 2022 by the Korea disease control and prevention agency (KDCA) and used as input variables, with depression status as the target, variable. A weighted logistic regression model was employed for prediction. Based on feature importance rankings from four machine learning techniques, the combined key risk factors included economic activity, monthly household income, marital status, walking habits, subjective stress perception, subjective health status, number of cultural infrastructures, unemployment, rate, suicide rate, and number of doctors. In the prediction model, subjective stress perception (OR: 9.65) was the most significant risk factor, followed by subjective health status (OR: 3.38). The use of machine learning techniques for variable selection effectively addresses the challenge of interpretability in prediction models. This approach demonstrates great potential for future healthcare-related disease risk prediction models.

#Depression risk factors #feature importance #machine learning #weighted logistic regression model

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

Affective and Cognitive Empathy Profiles and Associations with Depression and Peer Relationships in Adolescents

Jiny Kim , Jooeun Noh 한국아동학회 학술발표논문집 2024 .11

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-092335879

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)